关于python爬虫:Python爬取爱奇艺网剧隐秘的角落弹幕数据实现简单可视化附源码

Python 爬取爱奇艺网剧《隐秘的角落》弹幕数据，实现简略可视化（附源码）

明天指标爬取 201865 条《隐秘的角落》弹幕数据

开发环境：

win10、python3.6

开发工具：

pycharm

相干模块：

requests，stylecloud

爱奇艺的弹幕数据是以 .z 模式的压缩文件存在的，先获取 tvid 列表，再依据 tvid 获取弹幕的压缩文件，最初对其进行解压及存储，大略就是这样一个过程。

def get_data(tv_name,tv_id):
    url = 'https://cmts.iqiyi.com/bullet/{}/{}/{}_300_{}.z'
    datas = pd.DataFrame(columns=['uid','contentsId','contents','likeCount'])
    for i in range(1,20):
        myUrl = url.format(tv_id[-4:-2],tv_id[-2:],tv_id,i)
        print(myUrl)
        res = requests.get(myUrl)
        if res.status_code == 200:
            btArr = bytearray(res.content)
            xml=zlib.decompress(btArr).decode('utf-8')
            bs = BeautifulSoup(xml,"xml")
            data = pd.DataFrame(columns=['uid','contentsId','contents','likeCount'])
            data['uid'] = [i.text for i in bs.findAll('uid')]
            data['contentsId'] = [i.text for i in bs.findAll('contentId')]
            data['contents'] = [i.text for i in bs.findAll('content')]
            data['likeCount'] = [i.text for i in bs.findAll('likeCount')]
        else:
            break
        datas = pd.concat([datas,data],ignore_index = True)
    datas['tv_name']= str(tv_name)
    return datas

共爬获得到 201865 条《隐秘的角落》弹幕数据。

依照用户 id 分组并对弹幕 id 计数，能够失去每位用户的累计发送弹幕数。

# 累计发送弹幕数的用户
danmu_counts = df.groupby('uid')['contentsId'].count().sort_values(ascending = False).reset_index()
danmu_counts.columns = ['用户 id','累计发送弹幕数']
danmu_counts.head()

第一名居然发送了 2561 条弹幕，这只是一部 12 集的网剧啊。

df_top1 = df[df['uid'] == 1810351987].sort_values(by="likeCount",ascending = False).reset_index()
df_top1.head(10)

每一条弹幕都是这位观众的有感而发，可能他 / 她只是在发弹幕的同时顺便看看剧吧。

这位“弹幕发射器”敌人，在每一集的弹幕量又是如何呢？

是不是通过上图能够侧面阐明个别剧集的戏剧抵触更大，更能引发观众吐槽呢？

“弹幕发射器”同志，11、12 集请加大输入！

这些弹幕大家都认同、
抛开“弹幕发射器”同志，咱们持续探索一下分集的弹幕。

看看每一集当中，哪些弹幕大家都很认同（赞）？

df_like = df[df.groupby(['tv_name'])['likeCount'].rank(method="first", ascending=False)==1].reset_index()[['tv_name','contents','likeCount']]
df_like.columns = ['剧集','弹幕','赞']
df_like

每一集的最佳弹幕都是当集剧情的稀释，这些就是观众们票选进去的梗（吐槽）啊！

切实不行我请你去爬山也可

除了剧本、音乐等，“老戏骨”和“小演员”们的演技也取得了网友的统一好评。

这部剧尽管短短 12 集，但故事线不仅仅在一两个人身上。每个人都有本人背地的故事，又因为种种偶合串联在一起，引发观众的持续性探讨。

咱们统计一下演员们在弹幕中的呈现次数，看看剧中的哪些角色大家提及最多。

a = {'张东升':'东升 | 秦昊 | 张老师', '朱向阳':'向阳', '严良':'严良', '普普':'普普', '朱永平':'朱永平', '周春红':'春红 | 大娘子', '王瑶':'王瑶', '徐静':'徐静 | 黄米依', '陈冠声':'王景春 | 老陈 | 陈冠声', '叶军':'叶军 | 皮卡皮卡', '马主任':'主任 | 老马', '朱晶晶':'晶晶','叶驰敏':'叶驰敏'}
for key, value in a.items():
    df[key] = df['contents'].str.contains(value)
staff_count = pd.Series({key: df.loc[df[key], 'contentsId'].count() for key in a.keys()}).sort_values()

比拟让我纳闷的三个小孩当中的朱向阳提及量这么低，按理说应该与其其余两位大体相当啊。

又去源数据看了一遍，提及朱向阳（向阳）的弹幕的确很少，因为大部分在弹幕中观众个别就叫他“学霸”、“儿子”之类的了。

总所周知，一篇数分文章不能少了词云。

每篇的词云都尽量跟上篇文章不同，这次我采纳的是 stylecloud, 它算是 wordcloud 词云包的升级版，看起来好看多了。

import stylecloud
from IPython.display import Image 

stylecloud.gen_stylecloud(text=' '.join(text1), collocations=False,
                          font_path=r'‪C:\Windows\Fonts\msyh.ttc',
                          icon_name='fas fa-play-circle',size=400,
                          output_name='隐秘的角落 - 词云.png')
Image(filename='隐秘的角落 - 词云.png')

除了配角的名字以外，在这部以“孩子”为主题的剧中，对孩子的思维、行为的探讨占据重要局部，另外，剧中从年长的戏骨到年幼的孩子，每一个人都奉献了高光的演技，对他们演技的称誉也成为高频词汇。

而最出圈的“爬山”梗，更是被频频提及。

从《无证之罪》到《隐秘的角落》，都在证实悬疑立功题材在当下并非没有市场，要播种高人气高口碑，如何流传与营销终归只是伎俩，越来越多的团队沉下心来打磨精品剧集，观众才会违心为剧买单，让“爬山”这样的梗一步步“出圈”。

文章到这里就完结了，感激你的观看，Python 数据分析系列，下篇文章分享 Python 爬取鲁迅学生《经典语录》

为了感激读者们，我想把我最近珍藏的一些编程干货分享给大家，回馈每一个读者，心愿能帮到你们。

干货次要有：

① 2000 多本 Python 电子书（支流和经典的书籍应该都有了）

② Python 规范库材料（最全中文版）

③ 我的项目源码（四五十个乏味且经典的练手我的项目及源码）

④ Python 根底入门、爬虫、web 开发、大数据分析方面的视频（适宜小白学习）

⑤ Python 学习路线图（辞别不入流的学习）

All done～详见个人简介或者私信获取残缺源代码。。

Python 实现“假”数据

Python 爬虫鲁迅学生《经典语录》

Python 爬虫豆瓣热门话题

关于python爬虫:Python爬取爱奇艺网剧隐秘的角落弹幕数据实现简单可视化附源码

工具应用

思路剖析

1、爬虫获取数据

2、筹备弹幕发射器

3、向阳东升

4、词云

往期回顾